| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 海量数据研究现状 | 第11页 |
| 1.2.2 数据清洗技术现状 | 第11-12页 |
| 1.2.3 海量数据下粗糙集理论应用研究现状 | 第12页 |
| 1.3 本文工作 | 第12-14页 |
| 1.3.1 论文的研究内容 | 第12-13页 |
| 1.3.2 论文的组织结构 | 第13-14页 |
| 第二章 理论基础 | 第14-24页 |
| 2.1 粗糙集理论 | 第14-17页 |
| 2.1.1 粗糙集的基本概念 | 第14-16页 |
| 2.1.2 属性约简及其属性依赖度新度量 | 第16-17页 |
| 2.2 Boolean矩阵理论 | 第17-19页 |
| 2.2.1 等价矩阵理论及其运算 | 第17-19页 |
| 2.3 数据仓库技术 | 第19-23页 |
| 2.3.1 数据仓库技术背景 | 第19-22页 |
| 2.3.2 数据仓库常用工具 | 第22-23页 |
| 2.4 本章小节 | 第23-24页 |
| 第三章 数据清洗 | 第24-30页 |
| 3.1 数据质量基本知识 | 第24-25页 |
| 3.1.1 数据质量定义 | 第24页 |
| 3.1.2 数据质量分类 | 第24-25页 |
| 3.2 数据清洗基本知识 | 第25-29页 |
| 3.2.1 数据清洗定义 | 第25-26页 |
| 3.2.2 数据清洗方法及分类 | 第26-29页 |
| 3.3 本章小节 | 第29-30页 |
| 第四章 基于MapReduce的数据清洗算法 | 第30-40页 |
| 4.1 MapReduce框架 | 第30-33页 |
| 4.2 MapReduce环境下数据清洗的并行性分析及算法 | 第33-36页 |
| 4.2.1 决策表冗余对象的清洗研究 | 第33-34页 |
| 4.2.2 决策表不相容对象的清洗研究 | 第34-36页 |
| 4.2.3 算法复杂性分析 | 第36页 |
| 4.3 Hadoop和Spark技术分析 | 第36-38页 |
| 4.4 本章小节 | 第38-40页 |
| 第五章 实验分析与性能评估 | 第40-48页 |
| 5.1 实验环境 | 第40-43页 |
| 5.1.1 Hadoop集群环境 | 第40-41页 |
| 5.1.2 Hadoop集群配置 | 第41-43页 |
| 5.2 实验分析 | 第43-47页 |
| 5.2.1 实例分析 | 第43页 |
| 5.2.2 数据集描述 | 第43-44页 |
| 5.2.3 实验结果分析 | 第44-47页 |
| 5.3 本章小节 | 第47-48页 |
| 第六章 结束语 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录A 攻读硕士学位期间发表论文 | 第56-57页 |
| 附录B 程序流程图 | 第57-58页 |
| 附录C 部分程序源码 | 第58-64页 |